统计机器学习导论
正版新书 新华官方库房直发 可开电子发票
￥ 58.74 6.6折 ￥ 89 全新
库存2件
作者(日)杉山将 著;谢宁 等 译
出版社机械工业出版社
ISBN9787111596790
出版时间2018-05
版次1
装帧平装
开本16开
纸张胶版纸
页数336页
定价89元
货号SC:9787111596790
上书时间2024-06-25
商品详情
- 品相描述：全新
- 全新正版 提供发票
- 商品描述
-
作者简介:
杉山将：东京大学教授，拥有东京工业大学计算机科学博士学位，研究兴趣包括机器学习与数据挖掘的理论、算法和应用，涉及信号处理、图像处理、机器人控制等。2007年获得IBM学者奖，以表彰其在机器学习领域非平稳性方面做出的贡献。2011年获得日本信息处理协会颁发的Nagao特别研究员奖，以及日本文部科学省颁发的青年科学家奖，以表彰其对机器学习密度比范型的贡献。
精彩内容:
前言机器学习是计算机领域的一个学科，旨在研究原理、算法以及能够像人类一样学习的系统的应用。近年来，计算机和传感器的发展使得我们能够访问不同领域的海量数据（如文本、音频、图片、电影、电子商务、电气、医学和生物学等）。在此类大数据的分析和利用方面，机器学习起到了核心的作用。 本书致力于讨论机器学习的数学背景及多种机器学习技术的实用化算法。目标读者定位于计算机和相关专业的本科生和研究生。在工作中应用机器学习技术的工程师和分析数据的科学家也会从本书中获益。 本书特色在于每章的主题简明扼要，给出具体机器学习技术的数学推导并附以简洁的MATLAB程序。由此，读者在学习数学概念的同时，可掌握多种机器学习技术的实用价值。全部MATLAB程序可以从如下网址获得： 本书第一部分给出机器学习领域的简要概述。紧接着，第二部分介绍了概率和统计的基本概念，它们构成了统计机器学习的数学基础。第二部分的成文基于： 第三部分和第四部分分别在生成和判别框架下，介绍了一系列实用机器学习算法。随后， 第五部分介绍高级论题，进而处理更具挑战的机器学习任务。第三部分的成文基于： 第四部分和第五部分的成文基于： 在此感谢东京大学和东京工业大学相关研究组的研究员和学生针对本书早期手稿给出的有价值的反馈。 杉山将东京大学
内容简介:
杉山将著的《统计机器学习导论/数据科学与工程技术丛书》对机器学习的关键知识点进行了全面讲解，帮助读者顺利完成从理论到实践的过渡。书中首先介绍用于描述机器学习算法的统计与概率的知识，接着详细分析机器学习技术的两类主要方法――生成方法和判别方法，后深入研究了如何使机器学习算法在实际应用中发挥更大的作用。本书提供程序源代码，便于读者进行数据分析实践。
本书适合高等院校计算机、统计等专业的研究生和高年级本科生阅读，同时也适合相关领域的技术人员参考。
目录:
译者序
前言
作者简介
第一部分 绪论
第1章 统计机器学习
1.1 学习的类型
1.2 机器学习任务举例
1.2.1 监督学习
1.2.2 非监督学习
1.2.3 进一步的主题
1.3 本书结构
第二部分 概率与统计
第2章 随机变量与概率分布
2.1 数学基础
2.2 概率
2.3 随机变量和概率分布
2.4 概率分布的性质
2.4.1 期望、中位数和众数
2.4.2 方差和标准差
2.4.3 偏度、峰度和矩
2.5 随便变量的变换
第3章 离散概率分布的实例
3.1 离散均匀分布
3.2 二项分布
3.3 超几何分布
3.4 泊松分布
3.5 负二项分布
3.6 几何分布
第4章 连续概率分布的实例
4.1 连续均匀分布
4.2 正态分布
4.3 伽马分布、指数分布和卡方分布
4.4 Beta分布
4.5 柯西分布和拉普拉斯分布
4.6 t分布和F分布
第5章 多维概率分布
5.1 联合概率分布
5.2 条件概率分布
5.3 列联表
5.4 贝叶斯定理
5.5 协方差与相关性
— 没有更多了 —
以下为对购买帮助不大的评价